Estrazione di colonne specifiche da un frame di dati

366

Ho un frame di dati R con 6 colonne e desidero creare un nuovo frame di dati con solo tre colonne.

Supponendo che il mio telaio dei dati è df, e voglio colonne estratto A, Be E, questo è l'unico comando riesco a capire:

 data.frame(df$A,df$B,df$E)

Esiste un modo più compatto di farlo?

r dataframe r-faq

— Aren Cambre
fonte

157

Utilizzando il pacchetto dplyr , se il tuo data.frame è chiamato df1:

library(dplyr)

df1 %>%
  select(A, B, E)

Questo può anche essere scritto senza la %>%pipe come:

select(df1, A, B, E)

— Sam Firke
fonte

2

Data la considerevole evoluzione di Tidyverse da quando ho pubblicato la mia domanda, ho cambiato la risposta.

— Aren Cambre,

4

Dato il furioso tasso di cambiamento nell'ordine, vorrei mettere in guardia dall'utilizzare questo schema. Questo è in aggiunta alla mia forte preferenza contro il trattamento dei nomi di colonna come se fossero nomi di oggetti durante la scrittura di codice per funzioni, pacchetti o applicazioni.

— Joshua Ulrich,

1

Sono passati più di quattro anni da quando è stata inviata questa risposta e il modello non è cambiato. Le espressioni tratteggiate possono essere piuttosto intuitive, motivo per cui sono attraenti.

— Aren Cambre,

come posso eseguire un ulteriore comando su questo sottoinsieme? Ad esempio, voglio calcolare rowMean: "df1%>% rowMeans (select (A, B, E))" non funziona.

— Ben

Faresti concatenare una pipeline come: df1 %>% select(A, B, E) %>% rowMeans(.). Vedere la documentazione per la %>%pipe digitando?magrittr::`%>%`

— Sam Firke

448

È possibile eseguire il sottoinsieme utilizzando un vettore di nomi di colonna. Preferisco fortemente questo approccio rispetto a quelli che trattano i nomi delle colonne come se fossero nomi di oggetti (ad esempio subset()), specialmente durante la programmazione in funzioni, pacchetti o applicazioni.

# data for reproducible example
# (and to avoid confusion from trying to subset `stats::df`)
df <- setNames(data.frame(as.list(1:5)), LETTERS[1:5])
# subset
df[,c("A","B","E")]

— Joshua Ulrich
fonte

4

Questo dà l'errore object of type 'closure' is not subsettable.

— Aren Cambre,

24

@ArenCambre: allora il tuo data.frame non ha davvero un nome df. dfè anche una funzione nel pacchetto delle statistiche.

— Joshua Ulrich,

5

@ArenCambre: 2.bp.blogspot.com/-XU9PduVhq-I/Um-Y6e19jZI/AAAAAAAAADfI/…

— tumultous_rooster

2

@Cina: perché -"A"è un errore di sintassi. E ?Extractdice: " , può anche essere numeri interi negativi, indicando elementi / fette di lasciare fuori della selezione." ij...

— Joshua Ulrich,

7

C'è un problema con questa sintassi, perché se si estrae una sola colonna R, restituisce un vettore al posto di un dataframe e questo potrebbe essere indesiderato: > df[,c("A")] [1] 1. L'uso subsetnon presenta questo svantaggio.

— David Dorchies,

101

Questo è il ruolo della subset()funzione:

> dat <- data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,7),E=c(8,8),F=c(9,9)) 
> subset(dat, select=c("A", "B"))
  A B
1 1 3
2 2 4

— Stéphane Laurent
fonte

Quando provo questo, con i miei dati, ottengo l'errore: "Errore in x [j]: tipo di elenco" elenco "non valido. Ma se c (" A "," B ") non è un elenco, cos'è? ?

— Rafael_Espericueta,

@Rafael_Espericueta Difficile da indovinare senza visualizzare il tuo codice ... Ma c("A", "B")è un vettore, non un elenco.

— Stéphane Laurent,

Converte il frame di dati in elenco.

— Suat Atan PhD,

78

Ci sono due scelte ovvie: Joshua Ulrich df[,c("A","B","E")]o

df[,c(1,2,5)]

come in

> df <- data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,7),E=c(8,8),F=c(9,9)) 
> df
  A B C D E F
1 1 3 5 7 8 9
2 2 4 6 7 8 9
> df[,c(1,2,5)]
  A B E
1 1 3 8
2 2 4 8
> df[,c("A","B","E")]
  A B E
1 1 3 8
2 2 4 8

— Henry
fonte

16

Per qualche motivo

df[, (names(df) %in% c("A","B","E"))]

ha funzionato per me. Tutte le sintassi sopra riportate hanno prodotto "colonne non definite selezionate".

— so860
fonte

15

Dove df1 è il frame di dati originale:

df2 <- subset(df1, select = c(1, 2, 5))

— Richard Ball
fonte

7

Questo non usa dplyr. Utilizza base::subseted è identico alla risposta di Stephane Laurent, tranne per il fatto che usi i numeri di colonna anziché i nomi di colonna.

— Gregor Thomas,

14

È inoltre possibile utilizzare il sqldfpacchetto che esegue le selezioni sui frame di dati R come:

df1 <- sqldf("select A, B, E from df")

Questo da come output un frame di dati df1con colonne: A, B, E.

— Aman Burman
fonte

2

Puoi usare with:

with(df, data.frame(A, B, E))

— Moody_Mudskipper
fonte

1

df<- dplyr::select ( df,A,B,C)

Inoltre, puoi assegnare un nome diverso ai dati appena creati

data<- dplyr::select ( df,A,B,C)

— Mohamed Rahouma
fonte

0

[ e sottoinsieme non sono sostituibili:

[ restituisce un vettore se è selezionata una sola colonna.

df = data.frame(a="a",b="b")    

identical(
  df[,c("a")], 
  subset(df,select="a")
) 

identical(
  df[,c("a","b")],  
  subset(df,select=c("a","b"))
)

— FXI
fonte

4

Non se hai impostato drop=FALSE. Esempio:df[,c("a"),drop=F]

— fino al